[发明专利]一种基于事件远程监督的多标签人物关系自动标注方法

权利要求书

1.一种基于事件远程监督的多标签人物关系自动标注方法，其特征在于，具体包括如下步骤：

S1：根据需要构建的人物关系数据集的分类类别，收集影响人物关系的事件；

S2：根据确定的事件，制作对应的事件标注模板：[ 事件触发词, 事件，事件对应的人物关系]；

S3：重复S2制作所有人物关系对应的事件标注模板，构建事件模板知识库；

S4：收集原始文本，并进行数据预处理，预处理后的每个句子格式如下[实体1, 实体2,句子]；

S5：对预处理后的句子利用事件标注模板进行事件标注，当句子包含多个事件触发词时给予句子多个事件标签；

S6：对事件标注后的句子进行人物关系标注；

S7：进行人物关系标注得到的结果形式如下：D = [Entity1, Entity2, Sentence,Event, Beginning Event, Score, Interpersonal Relationship] ，其中Entity1和Entity2代表句子中的人物实体；Sentence表示标注的句子；Event表示句子中人物之间的事件，如果Event为空则表示当前句子没有对应的事件；Beginning Event是指句子中的实体在上文中发生的事件，Interpersonal Relationship是句子被标注的人物关系标签；Score表示事件和句子之间的可信度；

S8：计算“事件”和“句子”之间的可信度，用S₁表示；如果“Event”为“NA”，则S₁为0，“Beginning Event”和“句子”之间的可信度用S₂表示；计算句子得分SS的如下：

SS =（r₁S₁ - r₂（d_i- d₀）+r₃S₂）/(r₁ + r₂ +r₃)

其中r₁表示S₁的权重系数，r₂表示句子与Beginning Event距离的权重系数，r₃表示S₂的权重系数，d_i表示当前句子在文中的索引位置，d₀表示Beginning Event在文中的索引位置，d_i与d₀之差表示句子与Beginning Event距离；

S9：设定了一个阈值k₂，将句子得分SS低于阈值k₂的句子丢弃；

S10：经S9处理后，得到最终的人物关系标注；

S1中人物关系数据集的分类类别包括“夫妻关系”，“亲子关系”“上下级关系”，“朋友关系”；

S1中影响人物关系的事件包括：标志着“夫妻关系”开始的“结婚事件”和标志“夫妻关系”结束的“离婚事件”；

S4中原始文本包括：人物传记风格语料，小说风格语料，人物传记和小说风格混合语料；

使用NLTP工具对原始文本进行分句分词和人物实体的提取，保留句子中大于等于两个人物实体的句子；

S5中包括：

S5.1：将预处理后的句子按照实体对进行聚类，得到相同实体对的句子集合；

S5.2：接着将句子集合中的词与S3中构建的事件模板知识库做匹配；

S5.3：当句子中包含对应事件的触发词时认为当前句子具有对应的事件标签；

S5.4：经过事件标注后的句子格式如下：[实体1, 实体2, 句子, [事件1, 事件2…]]；

S6中包括：

S6.1：当经过事件标注后的句子A有对应事件时，则根据事件标注模板直接标注出句子对应的人物关系；

S6.2：当标注的句子B没有对应的事件时，则根据上下文中的事件标注出人物关系；

句子可对应的多个人物关系标签，满足是可共现的关系；

“事件”和“句子”之间的可信度S₁，采用BERT模型训练词嵌入向量并通过余弦相似度来计算；

阈值k₂为0.5；

S11：依据S10中最终的人物关系标注所对应的事件，制作相应的事件标注模板，补充进事件模板知识库。